时变路况下城市配送路径优化研究

《时变路况下城市配送路径优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:U410710-2015223007专业硕士学位论文时变路况下城市配送路径优化研究杨京山导师姓名职称李毅斌副教授专业学位类别申请学位类别工学硕士物流工程及领域名称论文提交日期2018年4月12日论文答辩日期2018年6月9日学位授予单位长安大学UrbanDistributionPathOptimizationBaseonRealTimeTrafficInformationAThesisSubmittedfortheDegreeofMasterCandidate：YangJingShanSupervisor：LiYiBinassociateprofessorChang’a

2、nUniversity，Xi’an，China摘要当前，物流配送业发展迅猛，但对于配送企业而言依然面临巨大挑战。一方面，快节奏的城市生活，使得客户更加希望在自己空闲的时间接收商品，对配送的时间提出了新的要求；另一方面，城市机动车持有量的不断增加，市内交通变得越来越拥堵，极大的影响了城市物流配送的准时性。因此提供准时、高效的配送服务成为当前物流企业发展的主要方向。随着大数据、信息采集、传输、处理等技术的发展以及GPS、GIS的普及与应用，对交通状态进行有效的分析并预测成为可能，结合实时变化的道路信息进行城市配送车辆行驶路径规划，可有效解决物流配送领域面临的实际问题。本文考虑了时变

3、路况和客户时间窗约束两个因素对城市物流车辆配送行驶路径的影响，并通过结合蚁群算法与Dijkstra算法构造一种混合优化算法进行求解。在蚁群算法遍历的过程中基于实时道路信息通过Dijkstra算法进行局部寻优，为了防止蚁群算法陷入局部最优，设计了状态转移概率的方式；采用破圈法的思想对Dijkstra算法进行改进，改善了其处理多邻接点及含圈路径问题的缺陷。对于实时道路信息的处理采用根据历史变化规律进行事前预测，在执行过程中动态调整的策略，制定了客户点和道路节点信息双重更新机制；对于时间窗的处理，本文提出将时间窗的惩罚函数与信息素的更新浓度相结合的求解思路，惩罚效果反映到信息素更新机

4、制中去，惩罚函数值的大小直接影响信息素的更新浓度。最后以Windows7为开发平台，以AnyLogic7.3.7为开发工具，在Java语言环境下，采用面向对象的建模思想构造了算法的主体模型并进行了实例仿真，仿真结果显示本文混合算法的设计有效提高了解的收敛速度，并最终输出基于实际道路的车辆规划导航路线，验证了混合优化算法的有效性和可行性。关键词：时变路况，城市配送，软时间窗，混合优化算法iAbstractRecently,logisticsindustryisdevelopmentrapidly.Howevertherearestillbigchallengesfordistri

5、butioncompanies,ontheonehand,withacrazyurbanenvironment,thecustomerswishtoreceivethegoodsunderacertaintime,higherrequirementareputforwardforthedistributionlimitation;Ontheotherhand,urbantrafficiscomplicatedandchangeable,thephenomenaofthetrafficcongestionbecomemoreandmoreseriouswhichaffectsth

6、etimelinessofurbandistribution.thereforePrecisiondeliveryservicebecomesthemaindirectionoflogisticsenterprisedevelopment.Withthedevelopmentofbigdataandinformationtechnology,widespreadapplicationofGPSGIS,wecanprovidereal-timeandconcreteroadinformationfortravelers.Souseurbanreal-timeroadinform

7、ationtofurtherplanningareasonabletravelpath.hasbecomeanurgentsolvedproblem.Thispaperconsiderstheinfluenceofon-lineroadinformationonthevehiclerouting,andalsoconsidersthecustomertimewindow,constructsahybridalgorithmmodeltosolvethisproblem.Forreal-tim